初探無線型睡眠呼吸暫停癥監視系統

　　前言

　　人生約有三分之一的時間在睡眠中度過，良好的睡眠是保證身體健康的必要條件。睡眠呼吸暫停癥（sleep apnea）是一種很常見的睡眠呼吸疾病，據調查，在美國約有24％的成年男性及9％成年女性或超過二百萬人口患有此疾病，在***至少有二十萬人也有此問題。這個病初期最常發生于四十到五十歲間，正是事業的顛峰時期，所以對社會及家庭的影響相當大。此病除了會破壞了整個睡眠結構，還會引發許多并發癥，例如患者很容易發生白天嗜睡、夜間失眠、響鼾、睡眠中異常動作、智力減退、個性改變、性無能、晨間頭痛、高血壓、心衰竭、肺高血壓、肺心癥、紅血球增多癥、甚至于猝死等癥狀。

　　一般在診斷患者是否患有睡眠呼吸暫停癥是指患者在睡眠中出現呼吸暫停和低通氣的總次數超過每小時5次。其中呼吸暫停是指在睡眠中，出現10秒以上的呼吸氣流消失，低通氣是指呼吸氣流并未完全停止，只是減少到原來的20％-50％，同時血氧濃度下降4％以上的呼吸紊亂。目前醫生在診斷睡眠呼吸暫停癥時常使用夜間睡眠呼吸多項生理監測儀，來記錄一整夜的睡眠周期，其中包括呼吸暫停以及呼吸變淺的次數、型態、缺氧指數、次數、心電圖的變化、口鼻腔氣流、胸部腹部呼吸運動、耳垂血氧等訊號的記錄、打鼾次數等情形。使用夜間睡眠呼吸多項生理監測儀雖然精確，但需要在身上配戴多種儀器，也必須在特定的醫院中由專業人士操作才能進行量測，非常不方便也容易影響患者的睡眠，所以不適合做長期的監測。因此一般患者除非到了非常嚴重的地步是不會走進醫院進行這項檢查。更何況睡眠呼吸多項生理監測儀是一項價格昂貴的儀器，一般患者不會購買，在居家中自行量測，所以很難達到普遍性。本研究主要針對這些缺點發展一套使用簡單、察覺性更低、價格低廉及適合在居家睡眠環境下作長期監測的監測系統，達到幫助醫師了解病患的病情，并提供醫生追蹤治療過程的改善情形[1][2][3][4]。

　　研究方法與系統設計

　　本研究中所提出的無線型睡眠呼吸暫停癥監視系統之設計如圖一所示。此系統分成三部分(1)無線型睡眠呼吸多項生理參數量測計，(2) 無線型睡眠呼吸多項生理參數記錄器，(3) 無線型睡眠呼吸多項生理參數記錄語與分析器。圖二為無線睡眠呼吸多項生理參數量測計方塊架構圖，包含感測電路、單芯片微控制器、串行式內存、藍芽無線模塊、實時時鐘、充電電路和電池等電路，其中感測電路又包含量測睡眠的打鼾次數和每次打鼾的時間、呼吸暫停次數和每次呼吸暫停的時間、血氧濃度、口鼻腔氣流大小及心跳變化等電路，在設計單芯片微控制器的軟件時，必須將量測的各項生理參數以時間軸為基準，將每一筆數據儲存于內存內及透過藍芽模塊傳輸出去，如此才能于重建時才可找出各個生理參數間的關系。圖三為睡眠呼吸多項生理參數量測紀錄器的方塊圖，單芯片微控制器的軟件負責藍芽模塊的聯機控制與數據傳輸，并將睡眠呼吸多項生理參數的數據轉換成串行式的時間─振福的數字化格式儲存于閃存。至于無線型睡眠呼吸多項生理參數記錄與分析器部分，是使用微軟的Visual BASIC發展一套應用軟件，將藍芽無線模塊所得到的睡眠呼吸多項生理參數資料，以具親和力的操作畫面顯示出來，提供病患的睡眠變化情形。

圖一? 無線型睡眠呼吸暫停癥監視系統方塊圖

圖二? 無線睡眠呼吸多項生理參數量測計方塊架構圖

圖三? 睡眠呼吸多項生理參數量測紀錄器的方塊圖

　　討論

　　在設計單芯片微控制器的軟件時，必須以時間軸為基準，量測各項生理參數，才能于重建時才可找出各個生理參數間的關系。為了能正確將每一筆數據均能透過藍芽模塊傳輸出去，選用串行式內存，將量測信息暫存起來預防數據流失。另外為使無線睡眠呼吸多項生理參數量測計的體積小型化，需盡量選擇低耗電量及較小的零件，并采用單芯片微控制器使整體電源消耗最小化。藍芽無線模塊為低功率消耗且高安全性的無線數據傳輸設備。

　　在生理參數量測時，必須將量測計固定在患者的身上，因睡覺時頭部、身體會移動和翻身，容易造成量測設備的脫落及不正確的量測數據，此時不正確的量測多少會影響醫師對癥狀的評估。所以無線型量測計的傳感器必須要很小、固定容易、不易脫落及避免影響病患的睡眠，當處理生理參數的數據時，要先利用帶通濾波器，將這部分的數據除去，只顯示真正的睡眠呼吸多項生理參數的波形，使在診斷上的正確性提高。

　　另外，要配合無線型睡眠呼吸多項生理參數量測計與睡眠呼吸多項生理參數紀錄器為可攜式的裝置，它們的電源管理就很重要，在電源控制的工作是由單芯片微控制器負責，除選用較低的工作頻率減少單芯片微控制器本身的耗電外，并利用睡覺模式(Sleep mode)來節省電源，在不影響準確度前提下，降低數據在數字化的取樣頻率，降低數據量，并先暫存在串行內存，此時先讓藍芽無線模塊進入睡覺模式，等串行內存快滿時，才啟動藍芽無線模塊與睡眠呼吸多項生理參數紀錄器聯機，以減少無線型顫抖量測計的電源消耗。

　　志謝

　　感謝正修科技大學補助研究經費。（計劃編號：CS-2-95-04）

　　參考文獻

　　[1] Mariano Cabrero-canosa, Elena Hernandez-pereira, and Vicente Moret-Bonillo, “Intelligent Diagnosis of Sleep Apnea Syndrome.” IEEE engineering in medicine and biology magazine, March 2004:72-81.

　　[2] Varady et al., “A Novel Method for the Detection of Apnea and Hypopnea Events in Respiration Signals.” IEEE Tran. Biomed.? Eng., 2002; Vol. 49, September: 936-941.

　　[3] ASYALI et al., “Assessment of Closed-Loop Ventilatory Stability in Obstructive Sleep Apnea.” IEEE Tran. Biomed.? Eng., 2002; Vol. 49, March: 206-216.

　　[4] Varady et al., “On-line Detection of Sleep Apnea During Critical Care Monitoring.” Proceedings of the 22"d Annual EMBS International Conference, July 23-28, 2000, Chicago IL.